基于机器视觉的烟支搭口夹杂缺陷在线检测方法

李钰靓，杨 帅，范礼峰，熊月宏，朱 强，张利宏*

1.浙江中烟工业有限责任公司杭州卷烟厂，杭州市西湖区科海路118 号 310024

2.浙江中烟工业有限责任公司技术中心，杭州市西湖区科海路118 号 310024

在卷烟机烟条成型过程中，受生产设备、烟丝结构等因素的影响，烟条中的烟末容易在压板等部位堆积，造成烟支搭口处产生夹杂（烟末、胶块等）问题，影响卷烟产品品质。GB 5606.3—2005［1］规定，烟支表面长度大于2.0 mm 的夹末为卷烟外观C 类质量缺陷；当夹杂为胶块或较大梗签时，则容易产生爆口等卷烟外观A类质量缺陷。为降低烟支搭口夹杂缺陷率，近年来对于卷烟机烟支导板、吸尘罩等装置已有较多研究或改进［2-4］，但受限于烟支卷制原理及工况稳定性，在卷烟机高速运转情况下无法完全避免该类缺陷的产生。目前机器视觉技术在烟草行业应用广泛［5-7］，其在接装纸、烟支表面缺陷检测方面已有大量研究及应用［8-10］，对于接装纸长度不齐、翘边等烟支表面缺陷具有较高检出率。但在烟支搓接过程中，因烟灰、烟末等杂质容易粘附在烟支表面，采用传统算法仅能识别出图像某点灰度异常，无法分辨出杂质粘附在烟支表面还是位于搭口处，若按照单点灰度异常的算法简单判定则会影响检测准确率。为此，基于机器视觉检测原理建立了一种烟支搭口夹杂缺陷检测方法，以期实现搭口夹杂缺陷的在线检测与剔除，提高烟支卷制质量。

1 系统组成

1.1 系统设计

烟支搭口夹杂缺陷检测系统主要由烟支外观图像捕获单元、图像处理单元和光源控制单元等部分组成。如图1 所示，烟支外观图像捕获单元有2 组，包括棱镜（材质K9，入射角45°，武汉优光科技有限公司）、工业相机[感光元器件CMOS，分辨率1 280 pix×1 024 pix，彩色，宝视纳视觉技术（北京）有限公司]、LED 光源（功率≤2 W，色温6 000 K，发光角度120°，深圳市鸿捷源自动化系统有限公司）等部分，分别安装于卷烟机检测轮、剔除轮位置。图像处理单元包括工控机［CPU 为Intel Xeon E-2276ME，内存为8 GB，凌华科技（北京）有限公司］、IO 板卡［16通道，研华科技（北京）有限公司］。光源控制单元（触发方式为电平，触发响应频率≤10 kHz，8通道输出，每通道输出功率≤12 W，深圳市鸿捷源自动化系统有限公司）主要功能是为LED光源供电、触发光源频闪脉冲。

图1 烟支外观图像捕获单元结构示意图Fig.1 Structure of cigarette image capturing unit

1.2 工作流程

由图2 可见，同步脉冲MCP 触发信号传输至工控机，触发烟支外观图像捕获单元拍摄。当烟支从检测轮传递到剔除轮时，烟支180°转向，通过从不同角度拍摄检测轮与剔除轮上的烟支，可获取烟支外观图像。通过图像处理单元对图像进行预处理和形态学处理，实现烟支搭口夹杂缺陷识别。当识别为缺陷烟支时，通过剔除轮对缺陷烟支进行剔除。

图2 烟支搭口夹杂缺陷检测流程Fig.2 Inspection workflow for cigarette seam impurities

2 检测方法

2.1 烟支多角度图像采集

由图3 可见，烟支外观图像捕获单元的相机镜头、图像传感器以及两个鼓轮（检测轮、剔除轮）的中心均在同一直线上，当烟支经过2组图像捕获单元时，可以得到两张相对位置的烟支图像（尺寸为1 100 pix×160 pix，分辨率为0.1 mm/pix）。在图像采集过程中，相机根据同步脉冲对烟支进行拍摄，曝光时间为20 μs，两支烟的槽间中心距离约为18.85 mm，即在单通道卷接机组最高运行速度10 000支/min下，6 ms内同一支烟移动的弧线长度为18.85 mm，则相机拍照时烟支移动距离为0.062 8 mm。根据图像分辨率，可得到拍照时烟支移动距离不足1 pix。而搭口夹杂面积一般大于1 mm2，以夹杂为正方形进行计算，夹杂宽度大于10 pix，因此采用相机同步拍摄不会影响图像质量。

图3 烟支外观图像捕获单元安装位置示意图Fig.3 Schematic diagram of installation positon of cigarette image capturing unit

2.2 基于均值滤波的图像预处理

由于烟支搭口具有范围大、变化细微等特点，且烟支搭口与非搭口卷烟纸灰度差异较小，因此采用均值滤波的方式消除局部噪点对检测结果的影响，同时避免因烟支搭口与非搭口卷烟纸的边界模糊而扩大或缩小烟支搭口。使用尺寸3 pix×3 pix的滤波器对图像进行均值滤波［11-12］，计算公式为：

式中：（x，y）表示图像的像素点坐标；w（s，t）为加权系数；f（x+s，y+t）为待滤波图像区域。

由图4可见，均值滤波可以有效消除图像中的高频噪声，实现图像平滑、模糊等功能。

图4 均值滤波前后图像对比Fig.4 Comparison of cigarette images before and after mean filtering

2.3 基于纵向灰度梯度的搭口位置识别

由于烟支搭口与非搭口卷烟纸灰度特征不同，因此通过观察图像纵向灰度变化实现搭口位置识别。为便于理解，采用图像坐标系对烟支搭口位置进行描述。如图5所示，左上角为像素原点，横坐标X 和纵坐标Y 分别代表图像的行和列，p（x0，y0）表示横坐标为x0、纵坐标为y0的像素点。

图5 图像坐标系示意图Fig.5 Schematic diagram of coordinate system of image

2.3.1 单处理窗口灰度均值计算

因卷烟纸表面有罗纹且罗纹间隔1 mm，为降低其对单处理窗口计算结果的影响，每个单处理窗口包含两个罗纹。如图6所示，绿色方框即为单处理窗口。根据图像分辨率0.1 mm/pix，设定单处理窗口大小为宽度20 pix，高度与图像的纵向高度相同。

图6 单处理窗口示意图Fig.6 Schematic diagram of single processing window

先对单处理窗口的每行像素进行灰度均值计算，获得大小为n×1的一维矩阵G：

式中：vi（i=0，1，2，…，n-1）为单处理窗口每行的灰度均值（范围0～255）。

对一维矩阵G进行均值计算，得到平均像素vavg，计算公式为：

式中：n为单处理窗口纵向像素数量。

2.3.2 单处理窗口纵向灰度梯度变化计算

由于单通道卷接机组最高运行速度为10 000支/min，单支烟从一个槽位移动至下一槽位的时间仅为6 ms。预处理后图像灰度值沿Y轴正方向呈先升高后降低趋势，为满足检测要求，降低计算量，采用单向梯度算子判断搭口上下边缘。因烟支搭口与非搭口卷烟纸灰度差异相比卷烟纸与鼓轮背景的灰度差异小，若采用的单向梯度卷积核过大或过小，均会影响搭口上下边缘识别准确率。为此，采用1×5卷积核进行处理：

对于灰度值逐步增大的区域，其梯度值为正数；对于灰度值逐步减小的区域，其梯度值为负数。计算可得烟支搭口上边缘为最大值，下边缘为最小值。对一维矩阵G进行卷积计算，得到一维矩阵G'：

2.3.3 单处理窗口烟支搭口位置识别

由于烟支非搭口卷烟纸灰度值大于鼓轮背景，但低于烟支搭口灰度值。因此，将均值vavg作为阈值，而烟支搭口灰度值必然大于均值vavg。利用公式（3）对一维矩阵G进行阈值计算，得到一维矩阵G''：

按顺序判断G''的值，获得第一个非零数据序号i1以及最后一个非零数据序号i2，即可得到梯度处理后矩阵G'的数据判断范围，进而得到一维矩阵G'''：

式中：v'i1为阈值计算后的单处理窗口梯度值。

通过计算矩阵G'''在此范围内梯度值的最大值序号和最小值序号，即可获得搭口上下边缘的Y轴坐标y1、y2。图7为计算得到的矩阵G的二维可视化图，搭口上边缘Y轴坐标y1=49，灰度均值v49=131.6；搭口下边缘Y轴坐标y2=75，灰度均值v75=96.5。图8为计算得到的烟支搭口位置示意图，绿色短划线分别为上下边缘Y轴坐标y1、y2，灰色垂直线为单处理窗口的边界。

图7 矩阵G的二维可视化图Fig.7 Two-dimension visualization of matrix G

图8 单处理窗口搭口位置示意图Fig.8 Schematic diagram of seam location of a single processing window

2.3.4 烟支图像所有搭口位置识别

将单处理窗口沿X轴正方向以不重叠的方式进行窗口滑动，见图9。根据烟支卷烟纸长度48 mm，图像分辨率0.1 mm/pix（即480 pix），单处理窗口宽度20 pix，可获得24 个单处理窗口。每次滑动均按照2.3.1～2.3.3 节方法计算，即可获得整支烟搭口上下边缘的纵坐标，见图10。在捕获烟支图像时，受槽位空隙、烟支形状等因素影响，烟支搭口上下边缘无法处于绝对水平状态，在第15个单处理窗口出现一定变化，说明烟支有轻微的偏转。

图9 单处理窗口滑动示意图Fig.9 Schematic diagram of sliding of a single processing window

图10 烟支搭口上下边缘的纵坐标Fig.10 Ordinates of edges of cigarette seam

2.4 搭口夹杂的识别

烟支搭口夹杂识别时使用的单处理窗口相比搭口边缘识别更窄，其宽度为2 pix，高度与图像的纵向高度相同。计算每行灰度均值，可得到n×1的矩阵S：

因烟末、烟梗等夹杂物的灰度值低于卷烟纸灰度值，故先对矩阵G、S进行运算：

式中：k为权值，根据卷烟纸材料的罗纹、白度等物理特性确定。

再利用公式（5）进行二值化：

将搭口夹杂识别所使用的单处理窗口沿X轴正方向以不重叠的方式进行窗口滑动，可以得到二值化图像矩阵S 以及二值化图，见图11。在二值化图像矩阵S中，当灰度值为255的任一像素点在计算得到的烟支搭口上下边缘区域内时，则判定为烟支搭口存在夹杂。

图11 烟支搭口夹杂图像的二值化图Fig.11 Binary image of cigarette seam with an impurity

3 应用效果

3.1 实验设计

材料：“利群”牌卷烟规格A（圆周17.0 mm，卷烟纸搭口宽度2.0 mm）、规格B（圆周24.2 mm，卷烟纸搭口宽度2.3 mm），均由浙江中烟工业有限责任公司杭州卷烟厂提供。

设备：ZJ17D 和ZJ112 卷接机组（常德烟草机械有限责任公司）；HJYCVIS型烟支外观在线图像拍摄与采集设备（常德烟草机械有限责任公司）。

方法：ZJ17D和ZJ112卷接机组最高运行速度分别为5 500 和10 000 支/min。正常工况下连续生产4 h为1组，共测试3组；通过人工将烟末抛撒至卷烟机烟条封胶位置，产生大量搭口夹杂烟支，同时使用气枪在MAX接装机扰动气流产生烟末飘浮，异常工况下连续生产10 min为1组，共测试3组。采集烟支图像并分别通过搭口夹杂检测系统和人工检测是否存在搭口夹杂缺陷。正常和异常工况下烟支缺陷检测准确率和漏检率计算公式为：

3.2 数据分析

由表1 可见，在正常工况下系统对烟支搭口夹杂缺陷的检测准确率≥99.5%，漏检率＜1%。由表2可见，在异常工况下系统检测准确率≥99.0%，略低于正常工况；漏检率＜1%，与正常工况无显著差异。

表1 正常工况下检测准确率和漏检率Tab.1 Inspection accuracy and miss rate under normal working conditions

表2 异常工况下检测准确率和漏检率Tab.2 Inspection accuracy and miss rate under abnormal working conditions

4 结论

基于机器视觉技术建立了一种烟支搭口夹杂在线检测方法，实现了卷烟生产过程中烟支搭口夹杂缺陷在线检测与剔除，解决了烟支外观检测准确率低等问题。采用ZJ17D 和ZJ112 卷接机组对杭州卷烟厂生产的两种规格“利群”牌卷烟进行测试，结果表明：正常工况下该系统对烟支搭口夹杂检测准确率≥99.5%，漏检率＜1%；异常工况下烟支搭口夹杂检测准确率≥99.0%；检测方法抗干扰性强，检测处理时间≤6 ms，有效提高了烟支外观识别效率，提升了卷烟产品品质。